APLIKASI ANDROID UNTUK PENGENALAN CITRA KARAKTER
JEPANG DENGAN LIBRARY TESSERACT
HANNY RINDIANI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Aplikasi Android untuk Pengenalan Citra Karakter Jepang dengan Library Tesseract adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
ABSTRAK
HANNY RINDIANI. Aplikasi Android untuk Pengenalan Citra Karakter Jepang dengan Library Tesseract. Dibimbing oleh KARLINA KHIYARIN NISA.
Bahasa Jepang merupakan salah satu bahasa yang sulit untuk dipelajari karena penulisannya yang relatif rumit dan memiliki tiga jenis penulisan yaitu hiragana, katakana, dan kanji. Pada penelitian ini sistem pengenalan karakter Jepang berbasis Android dirancang untuk mengenali citra karakter Jepang dan menerjemahkannya menjadi bahasa Indonesia menggunakan library Tesseract OCR (Optical Character Recognition). OCR adalah teknik untuk mengubah teks non digital menjadi teks digital atau secara harfiah dapat diartikan sebagai pengenalan karakter optik. Pada penelitian ini terdapat 5 kebutuhan fungsional pengguna yaitu mengambil gambar dengan kamera, mengambil gambar dari galeri, melakukan konversi dari citra ke teks, mengedit teks Jepang hasil OCR, dan menampilkan hasil terjemahan teks Jepang. Berdasarkan 10 sampel karakter Jepang yang telah diuji, nilai akurasi yang di dapat dari pengujian gambar dari kamera sekitar 80% dan gambar dari galeri 94%. Selain itu pegujian aplikasi menggunakan kuesioner mencapai 91%. Dengan demikian aplikasi ini diharapkan mampu mengenali citra karakter Jepang dan menerjemahkannya ke dalam bahasa Indonesia sesuai kebutuhan pengguna.
Kata Kunci: Jepang, Indonesia, Android, Tesseract OCR, Gambar, Teks.
ABSTRACT
HANNY RINDIANI. Android Application for Japanese Character Recognition Image with Library Tesseract. Supervised by KARLINA KHIYARIN NISA.
Japanese is one of difficult language to learn because the writing is relatively complicated and it has three kind of writing hiragana, katakana, and kanji. In this study, the Japanese character recognition system based on Android is designed to recognize Japanese character image and translate it into Indonesian using the library Tesseract OCR (Optical Character Recognition). OCR is a technique to convert non digital text into digital text or literally be interpreted as optical character recognition. In this study there were five functional requirements taking a picture with a camera, taking pictures form gallery, the conversion from image to text, text editing of Japanese character form OCR results, and display the results of Japanese text translations. Based on 10 samples of Japanese characters that have been tested, the accuracy values obtained from the test image from the camera around 80% and 94% image from the gallery. Besides test of applications using the questionnaire reached 91%. Thus this application is expected to be able to recognize the image of Japanese characters and translate them into Indonesian according to user needs.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer
pada
Departemen Ilmu Komputer
APLIKASI ANDROID UNTUK PENGENALAN CITRA KARAKTER
JEPANG DENGAN LIBRARY TESSERACT
HANNY RINDIANI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Judul Skripsi : Aplikasi Android untuk Pengenalan Citra Karakter Jepang dengan Library Tesseract
Nama : Hanny Rindiani NIM : G64124072
Disetujui oleh
Karlina Khiyarin Nisa, S.Komp, M.T Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi MKom Ketua Departemen
PRAKATA
Alhamdulillahi rabbil' alamin, puji syukur penulis panjatkan ke hadirat Allah subhanahu wa Ta'ala atas berkat, rahmat, taufik, dan hidayah-Nya sehingga penyusunan skripsi yang berjudul Aplikasi Android untuk Pengenalan Citra Karakter Jepang dengan library Tesseract dapat diselesaikan dengan baik. Sholawat serta salam semoga selalu tercurahkan kepada Nabi Muhammad shalallahu 'alaihi wassalam beserta keluarga, sahabat, dan para pengikutnya yang telah memberikan contoh dalam meraih kebahagiaan di dunia dan akhirat.
Terima kasih penulis ucapkan kepada orang tua penulis, ayahanda tercinta Johan Anshory Herklots, SE yang selalu menjadi inspirasi kebijaksanaan dalam tutur dan laku penulis. Ibunda Anita Leni, yang tak pernah lelah memberikan motivasi wejangan, do’a, cinta, kasih sayang dalam mendidik. Dosen pemimbing Ibu Dr Karlina Khiyarin Nisa, S.Kom, M.T atas waktu, ilmu, kesabaran, nasihat, dan masukan yang selalu diberikan selama pengerjaan tugas akhir ini. Bapak Auzi Asfarian, S.Komp., M.Kom dan Ibu Rina Trisminingsih, S.Komp., M.T selaku penguji atas waktu, masukan, dan koreksinya. Serta teman-teman Ilmu Komputer alih jenis angkatan 7 atas pengalaman berbagi ilmu serta atas kebersamaan dan dukungannya selama penulis menjalani waktu di Departemen Ilmu Komputer IPB.
Penulis menyadari bahwa karya tulis ini masih jauh dari sempurna karena keterbatasan pengalaman dan pengetahuan yang dimiliki penulis. Oleh karena itu, penulis mengharapkan saran dan kritik yang dapat digunakan untuk perbaikan di masa-masa yang akan datang.
Bogor, Desember 2014
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
PENDAHULUAN 1
Latar Belakang 1
Perumusan Masalah 1
Tujuan Penelitian 2
Manfaat Penelitian 2
Ruang Lingkup Penelitian 2
TINJAUAN PUSTAKA 2
Pengenalan Karakter Jepang 2
Hiragana 2
Katakana 3
Kanji 3
Optical Character Recognition (OCR) 4
Proses Pengenalan Karakter 4
Image Preprocessing 5
Segmentation 5
Word Recognition 7
Tesseract OCR Engine 8
Unified Modelling Language 8
Pengujian Usabilitas 8
METODE 9
Analisis Kebutuhan 10
Desain Sistem 10
Implementasi 10
Pengujian dan Evaluasi 11
HASIL DAN PEMBAHASAN 11
Desain Sistem 11
Proses Terjemahan 13
Rancangan Antarmuka Pengguna 13
Implementasi 14
Pengujian dan Evaluasi 15
Kesimpulan Hasil Evaluasi 18
Evaluasi Usabilitas 19
SIMPULAN DAN SARAN 21
Simpulan 21
Saran 21
DAFTAR PUSTAKA 22
LAMPIRAN 23
DAFTAR TABEL
1 Nilai Kuesioner 9
2 Rancangan Antarmuka 13
3 Hasil Implementasi Sistem 15
4 Hasil Pengujian Dengan Metode Black Box 15
5 Skenario Pengujian Setiap Data Uji 16
6 Skenario Pengujian Setiap Kategori 16
7 Hasil Pengujian 17
8 Hasil Pengujian Setiap Karakter 18
9 Task Usabilitas 19
10 Kuesioner 19
DAFTAR GAMBAR
1 Huruf Hiragana (Das dan Banerjee 2014) 3
2 Katakana (Das dan Banerjee 2014) 3
3 Kanji (Das dan Banerjee 2014) 4
4 Proses Pengenalan Karakter 4
5 Tahap Image Preprocessing 5
6 Proses Pencarian Online 6
7 Tahap Line Finding 6
8 Tahap Baseline Fitting Algorithm 6
9 Tahap Fixed Pitch Detection 7
10 Kandidat Titik Pemotongan 7
11 Hasil normalisasi baseline dan moment 8
12 Simbol UML 8
13 Use Case Diagram 11
14 Activity Diagram Mengambil Gambar dengan Kamera 12 15 Activity Diagram Mengambil Gambar dari Galeri 12
DAFTAR LAMPIRAN
1 Hasil Pengujian Karakter Jepang 23
2 Lembar Kuesioner 35
PENDAHULUAN
Latar Belakang
Bahasa merupakan alat komunikasi yang penting bagi manusia, karena dengan bahasa kita dapat mengetahui informasi yang kita butuhkan. Pada saat ini masyarakat sudah mulai tertarik untuk mempelajari bahasa-bahasa asing di luar bahasa mereka sendiri, mulai dari bahasa Jepang, Inggris, Perancis, Jerman, Mandarin dan lain-lain. Akan tetapi sekarang ini penelitian untuk bahasa latin sudah mulai berkurang, yang sedang tren saat ini adalah bahasa oriental seperti Mandarin, Jepang, dan Korea. Bahasa Jepang merupakan salah satu bahasa yang sulit untuk dipelajari karena penulisannya yang relatif rumit dan memiliki tiga jenis penulisan yaitu hiragana, katakana, dan kanji.
Dalam proses pembelajarannya, untuk mengenali terjemahan karakter bahasa Jepang yang kita jumpai cukup sulit. Hal ini dikarenakan proses menterjemahkan memerlukan masukan berupa teks dengan karakter bahasa Jepang. Untuk mengatasi masalah pengetikan karakter, maka teknik optical character recognition (OCR) dapat dimanfaatkan. OCR adalah teknik untuk mengubah teks non digital menjadi teks digital atau dapat diartikan sebagai pengenalan karakter optik.
Teknologi perangkat mobile Android merupakan teknologi yang sedang berkembang pesat di Indonesia dengan peningkatan sebanyak 189% dari bulan mei 2012 ke bulan mei 2013 [1]. Android merupakan sistem operasi mobile phone open source yang berbasis Linux menggunakan bahasa pemograman Java.
Pada penelitian ini akan dibangun aplikasi berbasis Android untuk pengenalan citra karakter Jepang dan menterjemahkannya ke dalam bahasa Indonesia. Tidak seperti aplikasi android untuk menerjemahkan bahasa Jepang lain, pada aplikasi ini pengguna tidak diharuskan memberi masukan berupa teks, sebagai alternatif lainnya, pengguna dapat memberi masukkan terhadap aplikasi berupa citra yang mengandung karakter bahasa Jepang. Pada proses pengenalan karakter ini diperlukan suatu library OCR open source, yaitu Tesseract. Mesin OCR yang berbasis bahasa pemrograman C/C++ ini akan diterapkan pada platform Android dengan menggunakan bahasa pemograman Java. Menurut Smith (2007), Tesseract OCR Engine memberikan hasil baik untuk tiap karakter dengan rata-rata tingkat kesalahan hanya mencapai 3,77%. Proses penerjemahan dilakukan secara online menggunakan Microsoft translator. Serta melakukan pengujian usability dan kuesioner yang meliputi learnability, efficiency, memorability, errors, dan satisfaction.
Perumusan Masalah
Adapun perumusan masalah yang akan dibahas pada penelitian ini adalah sebagai berikut:
1. Bagaimana Tesseract OCR dapat diterapkan dalam pengenalan citra karakter Jepang untuk platform Android?
2
Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Menghasilkan suatu program aplikasi mobile yang dapat digunakan untuk mengenali citra karakter Jepang kemudian menerjemahkannya ke dalam bahasa Indonesia.
2. Mengetahui seberapa akurat Tesseract OCR dapat mengenali citra karakter Jepang.
3. Mengevaluasi usabilitas aplikasi melalu kuesioner ke pengguna dengan menggunakan metode black box.
Manfaat Penelitian
Manfaat yang dapat diperoleh dari hasil penelitian ini adalah dapat membantu masyarakat mengenali karakter Jepang dalam bentuk non-digital ke bentuk digital dalam suatu aplikasi yang mudah dibawa ke mana saja.
Ruang Lingkup Penelitian
Lingkup dari penelitian ini adalah:
1. Pengenalan karakter Jepang dilakukan pada citra yang diambil menggunakan kamera, namun bukan tulisan tangan.
2. Input citra harus berupa ekstensi gambar yang didukung oleh Android dan Tesseract OCR, yaitu .jpeg, .gif, .png dan .bmp.
TINJAUAN PUSTAKA
Pengenalan Karakter Jepang
Bahasa Jepang adalah salah satu bahasa yang paling unik di dunia. Hal tersebut dikarenakan dalam metode penulisannya menggabungkan berbagai macam bentuk huruf. Huruf-huruf tersebut adalah hiragana, katakana dan kanji (Das dan Banerjee 2014). Setiap jenis huruf atau karakter tersebut memiliki fungsi dan peranan tersendiri. Penulisan dalam bahasa Jepang menggabungkan huruf/karakter sebagai berikut :
Hiragana
Gambar 1 Huruf Hiragana (Das dan Banerjee 2014) Katakana
Jenis huruf yang digunakan untuk kata-kata serapan yang berasal dari bahasa asing (Das dan Banerjee 2014). Macam huruf katakana dapat dilihat pada Gambar 2
Gambar 2 Katakana (Das dan Banerjee 2014) Kanji
4
Gambar 3 Kanji (Das dan Banerjee 2014) Optical Character Recognition (OCR)
Optical Character Recognition (OCR) merupakan konversi scan gambar dari teks atau simbol dicetak (seperti halaman dari buku) menjadi teks atau informasi yang dapat dipahami atau diedit menggunakan program komputer (Smith et al. 2009). Gambar yang dimaksud yaitu gambar yang berisi karakter, teks, atau simbol yang akan diproses, dikenali kemudian dikonversi ke dalam bahasa Indonesia.
Proses Pengenalan Karakter
Proses pengenalan karakter Jepang dalam penelitian ini menggunakan library Tesseract OCR. Proses pengenalan karakter Jepang menggunakan Tesseract OCR dapat dilihat pada Gambar 4.
Proses pengenalan karakter yang dilakukan oleh OCR terdiri dari beberapa tahap, yaitu image preprocessing, segmentation, dan word recognition.
Image Preprocessing
Image preprocessing merupakan tahap awal untuk mengubah gambar berwarna menjadi biner. Image preprocessing terdiri atas 3 proses yaitu grayscaling, smoothing, thresholding.
1. Grayscaling
Grayscaling merupakan proses mengubah gambar berwarna menjadi gambar yang hanya memiliki derajat keabuan. Pada proses pengubahan, output dalam tahap ini akan digunakan untuk binerisasi gambar. Program akan melakukan pengulangan untuk grayscaling gambar per piksel sebesar ukuran panjang dan lebar gambar.
2. Smoothing
Selanjutnya dilakukan smoothing, yaitu proses pemulusan gambar untuk mengurangi noise. Smoothing dilakukan dengan Gaussian blur dengan matriks konvolusi 3x3.
3. Thresholding
Thresholding merupakan suatu proses memisahkan background dengan objek yang ingin diamati dengan mengubah gambar menjadi hitam putih. Pada tahap ini thresholding dapat mengubah gambar berwarna maupun grayscale menjadi binary image dengan mengubah masing-masing pixel dalam kisaran tertentu. Gambar 5 menunjukkan tahap Image Preprocessing pada citra teks.
Gambar 5 Tahap Image Preprocessing
Segmentation
Setelah tahap image preprocessing selesai, tahap selanjutnya adalah segmentation. Pada tahap segmentation terdapat 4 proses yaitu connected component labeling, line finding, baseline fitting, dan non fixed pitch detection.
1. Connected Component Labeling
6
menjadi blob (Smith 2007). Proses pencarian outline dapat dilihat pada Gambar 6.
Gambar 6 Proses Pencarian Online
2. Line Finding
Merupakan algoritma untuk mencari baris pada teks. Pada Tesseract, algoritma line finding dirancang supaya halaman miring dapat dikenali tanpa harus melakukan deskew (proses untuk mengubah halaman yang miring menjadi tegak lurus) sehingga tidak menurunkan kualitas gambar (Smith 2007). Pada tahap ini pencarian baris pada teks dilakukan menggunakan blob filtering dan line construction.
Gambar 7 Tahap Line Finding 3. Baseline Fitting
Setelah baris teks telah ditemukan, garis pangkal (baseline) dicocokan secara lebih tepat menggunakan quadratic spline. Quadratic spline merupakan metode untuk menghasilkan titik pada sebuah rentang data yang telah diketahui sebelumnya. Quadratic spline menggunakan polinomial dengan degree rendah sehingga mampu membentuk garis dengan halus. Gambar 8 menunjukkan hasil proses baseline fitting pada citra teks.
Gambar 8 Tahap Baseline Fitting Algorithm
4. Fixed Pitch Detection
Gambar 9 Tahap Fixed Pitch Detection
5. Non Fixed Pitch Detection
Bila teks yang digunakan tidak memiliki lebar garis tepi tetap, Tesseract akan melakukan algoritma non fixed pitch detection dengan cara mengukur batasan kesenjangan antara base line dengan mean line (garis tengah). Ruang pada citra yang mendekati nilai threshold akan diklasifikasikan dengan fuzzy sehingga akan ditentukan sebagai bagian fitur yang akan dikenali ataupun tidak (Smith 2007).
5.1Chopping Characters
Pada tahap ini kandidat untuk titik-titik pemisahan ditemukan dari simpul cekung, poligonal outline dan titik cekung yang berlawanan.
Gambar 10 Kandidat Titik Pemotongan
Pada Gambar 10 menunjukkan kumpulan kandidat titik pemisahan dengan panah dan pemotongan terpilih sebagai sebuah garis melewati outline. Pemotongan dilakukan sesuai dengan urutan prioritas. Setiap pemotongan yang gagal tidak sepenuhnya dibuang tetapi disimpan oleh associator sehingga jika pemotongan dapat digunakan kembali jika dibutuhkan (Smith 2007).
Word Recognition
8
Gambar 11 Hasil normalisasi baseline dan moment
Tesseract OCR Engine
Tesseract OCR Engine merupakan mesin open source untuk pengenalan karakter yang dapat digunakan oleh berbagai sistem operasi. Mesin OCR dikembangkan di Hewlett-Packard (HP) pada tahun 1984 dan 1994 (Smith 2007). Kemudian di tahun 2005, Tesseract dikembangkan menjadi open source oleh HP dan UNLV. Tesseract OCR Engine memberikan hasil baik untuk tiap karakter dengan rata-rata tingkat kesalahan hanya mencapai 3,77% atau dengan kata lain 96,33% mampu mengenali karakter-karakter dengan baik (Smith 2007).
Unified Modelling Language
Menurut Wohed et al. (2005) UML adalah bahasa visual untuk menganalisis dan mendesain sebuah sistem berorientasi objek. Keunggulan utama yang dimiliki pemodelan ini adalah kemampuannya dalam memodelkan menyerupai kehidupan nyata, sehingga sistem yang dihasilkan mempunyai kelebihan seperti sifat lebih natural, karena umumnya manusia berfikir dalam bentuk objek, pembuatan sistem memakan waktu lebih cepat, dan memudahkan dalam proses pemeliharaa sistem, karena jika ada kesalahan, perbaikan hanya dilakukan pada bagian tersebut, tidak perlu mengurutkan dari awal. Gambar 12 merupakan simbol yang terdapat pada UML.
Gambar 12 Simbol UML
Pengujian Usabilitas
aktivitasnya pada aplikasi tersebut sebaik mungkin (Nielsen 2012). Ada 5 aspek yang harus dipenuhi agar suatu sistem mencapai tingkat usabilitas yang ideal, yaitu:
1. Learnability
Mengukur kemudahan penggunaan aplikasi oleh pengguna untuk pertama kali. 2. Efficiency
Aplikasi yang efisien dapat menyajikan informasi dengan cepat. 3. Memorability
Ukuran bagi pengguna, sehingga aplikasi akan mudah diingat. Bila aplikasi banyak dilakukan perubahan, maka pengguna akan memerlukan waktu untuk menyesuaikan dan mempelajarinya kembali.
4. Errors
Mendefinisikan berapa banyak kesalahan-kesalahan apa saja yang dibuat pengguna, kesalahan yang dibuat pengguna mencangkup ketidaksesuaian apa yang pengguna pikirkan dengan apa yang sebenarnya disajikan oleh sistem. 5. Satisfaction
Kepuasan pengguna ketika menggunakan aplikasi atau tanggapan terhadap desain aplikasi secara keseluruhan.
Usabilitas disesuaikan dengan sekumpulan pertanyaan-pertanyaan secara spesifik yang disajikan dalam urutan tertentu dengan menggunakan format tertentu dan dengan aturan tertentu untuk menghasilkan pengukuran berdasarkan jawaban responden.
Kuesioner dirancang menggunakan bahasa yang mudah dimengerti oleh pengguna. Kepuasan pengguna diukur menggunakan skala Likert 1 sampai 5 untuk membantu pengguna mengekspresikan kepuasan mereka terhadap aplikasi. Nilai kuesioner dilihat pada Tabel 1.
Tabel 1 Nilai Kuesioner
PK STS TS RR S SS
Nilai 1 2 3 4 5
Keterangan:
SS= Sangat Setuju RR=Ragu-ragu STS=Sangat Tidak Setuju
S=Setuju TS=Tidak Setuju
METODE
10
Analisis Kebutuhan
Kebutuhan user dikumpulkan untuk mulai merancang sistem. Batasan-batasan harus secara jelas diperoleh agar tidak terjadi kesalahan ketika implementasi berlanjut ke tahap selanjutnya.
Desain Sistem
Dalam tahap ini sistem dirancang menggunakan Tesseract OCR engine. Tesseract merupakan mesin Optical Character Recognition (OCR) open source yang dapat digunakan oleh berbagai sistem operasi. Optical Character Recognition (OCR) adalah suatu proses mengkonversi gambar menjadi teks. Gambar yang dimaksud yaitu gambar yang berisi karakter, teks, atau simbol yang akan diproses, dikenali kemudian dikonversi ke dalam bahasa Indonesia. Sebelum karakter pada gambar dapat dikenali, gambar tersebut harus terlebih dahulu dilakukan preprocessing. Preprocessing pada gambar meliputi grayscaling, smoothing, dan tresholding. Setelah presprocessing selesai dilakukan, maka tahap selanjutnya ialah segmentasi. Segmentasi digunakan untuk memisahkan area-area pengamatan dari setiap karakter yang ingin dikenali, seperti memisahkan kalimat dalam kata-kata dan memisahkan kata ke dalam karakter-karakter. Tahap terakhir pada OCR adalah word recognition atau pengenalan kata, yang melakukan proses adaptive clasiffier. Pada tahap ini algoritme akan membandingkan ciri-ciri fitur yang ingin dikenali untuk mencari data dengan kemiripan paling besar.
Implementasi
Pada tahap ini, seluruh kebutuhan diterjemahkan ke dalam bahasa pemrograman. Pembuatan modul dipecah menjadi bagian yang lebih kecil yang nanti akan digabungkan menjadi satu kesatuan. Dalam tahapan ini dilakukan pemeriksaan apakah kebutuhan telah terpenuhi.
Perangkatkeras yang digunakan tahap pengembangan sistem adalah: 1. Samsung Galaxy Core 2 dengan Sistem Operasi Android Kitkat v4.4.2
dengan versi kernel 3.10.17-2173740.
2. Kamera 5 MP, 2592 х 1944 pixels, autofocus, LED flash
3. Ruang penyimpanan memori internal 4 GB, dan microSD 16 GB. 4. A-GPS support.
5. TFT capacitive touchscreen, 480 x 800 pixels, 4.5 inci. 6. Quad-core 1.2 GHz.
7. MacBook Pro 13 inchi
8. Prosesor Intel Core i5 dual-core 2,9 GHz 9. Memori DDR3 1600 MHz sebesar 4 GB
Perangkat Lunak yang digunakan dalam pengembangan sistem adalah: 1. Eclipse Juno ADT sebagai lingkungan pengembangan aplikasi.
3. Tesseract OCR sebagai library untuk mengenali citra karakter Jepang menjadi sebuah teks. Tesseract juga menyediakan data training untuk jenis karakter Jepang yang dipakai dalam sistem.
4. Microsoft Translator sebagai library untuk menterjemahkan teks Jepang ke Bahasa Indonesia.
Pengujian dan Evaluasi
Tahap ini dilakukan ketika sistem telah selesai dikembangkan, tetapi masih ada kemungkinan untuk disempurnakan lagi dengan cara kembali ke tahapan sebelumnya. Tahap ini memastikan apakah masih terdapat kesalahan atau tidak dalam pembuatan sistem. Sedangkan proses evaluasi dilakukan dengan cara memberikan kuisioner terhadap pengguna smartphone yang menggunakan sistem operasi Android.
HASIL DAN PEMBAHASAN
Analisis Kebutuhan
Pada tahap ini dilakukan analisis terhadap kebutuhan pengguna. Use case diagram (Jacobson et al. 1992) memodelkan interaksi client dengan sistem pada tingkat paling tinggi. Dari proses analisis kebutuhan didapatkan usecase diagram yang dapat dilihat pada Gambar 13. Pada usecase terdapat 5 kebutuhan fungsional pengguna yaitu mengambil gambar, mengambil gambar dengan kamera, mengambil gambar dari galeri, melakukan konversi dari citra ke teks, mengedit teks Jepang hasil OCR, dan menampilkan hasil terjemahan OCR.
Gambar 13 Use Case Diagram Desain Sistem
12
direpresentasikan oleh diagram aktivitas yang dapat dilihat pada Gambar 14 dan Gambar 15.
Gambar 14 Activity Diagram Mengambil Gambar dengan Kamera
Ketika user masuk ke dalam aplikasi, terdapat tombol untuk mengambil gambar. User diberikan pada 2 pilihan yaitu mengambil gambar dan mengambil dari galeri. User dapat memilih untuk mengambil gambar secara lansung dengan kamera maupun mengambil gambar yang sudah tersedia di galeri. Setelah memilih gambar proses selanjutnya adalah gambar di proses oleh OCR untuk merubah gambar menjadi teks. Karakter Jepang yang sudah diubah dalam bentuk tulisan kemudian di terjemahkan ke dalam bahasa Indonesia.
Proses Terjemahan
Setelah tahap pengenalan karakter OCR selesai dilakukan, maka tahap selanjutnya adalah proses menerjemahkan bahasa Jepang ke dalam bahasa Indonesia. Untuk menerjemahkan bahasa Jepang ke dalam bahasa Indonesia digunakan library Microsoft translator. Microsoft translator menggunakan hasil teks OCR dengan menentukan bahasa asal dan bahasa tujuan. Dalam penelitian ini, bahasa asal yang ditetapkan adalah bahasa Jepang sedangkan bahasa tujuan adalah bahasa Indonesia. Ketiga parameter tersebut dikirim ke service Microsoft translator. Parameter yang dimaksud adalah teks OCR, bahasa asal dan bahasa tujuan. Service tersebut akan mencocokkan teks OCR dengan kamus bahasa, kemudian mengirimkan hasil translate kepada client.
Rancangan Antarmuka Pengguna
Tabel 2 Rancangan Antarmuka
14
Mengambil gambar dari galeri
Hasil OCR Menerjemahkan ke dalam bahasa Indonesia
Implementasi
Pada tahap implementasi menghasilkan program yang dapat menterjemahkan karakter Jepang menjadi bahasa Indonesia dari gambar menjadi tulisan. Halaman utama ketika user masuk ke dalam menu aplikasi, user diberikan pada 2 pilihan untuk mengambil gambar dengan kamera atau memilih gambar karakter Jepang yang terdapat pada galeri. Pada saat pengguna memilih untuk mengambil gambar dengan kamera maka pengguna akan langsung terhubung dengan kamera untuk mengambil gambar. Sedangkan jika user ingin mengambil gambar dari galeri, maka user akan terhubung ke galeri pada handphone yang digunakan.
Tabel 3 Hasil Implementasi Sistem
Halaman utama Mengambil gambar Mengambil gambar dengan kamera
Mengambil gambar dari galeri
Hasil OCR Menerjemahkan ke dalam bahasa Indonesia
Pengujian dan Evaluasi
Berdasarkan hasil pengujian black box (Khan 2012), sistem menunjukan bahwa seluruh fungsi yang ada pada aplikasi ini telah berjalan dengan baik. Tabel 4 menunjukkan hasil pengujian terhadap fungsi yang terdapat pada sistem ini.
Tabel 4 Hasil Pengujian Dengan Metode Black Box
No. Nama Fungsi Hasil
1. Mengambil gambar dengan kamera Sukses
2. Memilih gambar dari galeri Sukses
3. Menampilkan karakter Jepang Sukses
4. Menampilkan terjemahan bahasa Indonesia Sukses
16
Skenario pengujian
Dari penelitian yang dibahas harus mampu menjawab beberapa pertanyaan, antara lain:
1. Apakah intensitas cahaya berpengaruh pada akurasi OCR? 2. Apakah fokus berpengaruh pada akurasi OCR?
3. Apakah kemiringan pada saat pengambilan citra berpengaruh pada akurasi OCR?
4. Apakah penulisan karakter secara vertikal berpengaruh pada akurasi OCR? 5. Apakah jarak pengambilan gambar pada kamera berpengaruh pada akurasi
OCR
Berikut skenario pengujian setiap data uji dan kategori, dapat dilihat pada Tabel 5 dan Tabel 6.
Tabel 5 Skenario Pengujian Setiap Data Uji
No. Pengujian
Kategori Akurasi(%)
Intensitas
Cahaya Fokus Kemiringan
Kamera Galeri
Tabel 6 Skenario Pengujian Setiap Kategori
Pengujian Kategori Kamera Galeri
Intensitas Cahaya
Terang Lampu putih 15W (jarak lampu Normal Lampu putih 15W
(jarak lampu + 2 meter)
Brightness = 0
Redup Lampu kuning 10W
picture manager) Fokus
Fokus Menunggu fokus Langsung Blur Langsung ambil
tanpa menunggu variasi pengambilan gambar yang berbeda sehingga total gambar yang diuji sebanyak 100 gambar. Pada Tabel 7 menunjukkan pengujian terhadap fungsi yang terdapat pada sistem berdasarkan 10 sampel karakter Jepang yang telah diuji.
Tabel 7 Hasil Pengujian No. Pengujian
Kategori Akurasi(%)
Intensitas
Cahaya Fokus Kemiringan
18
Kesimpulan Hasil Evaluasi
Pengujian gambar dilakukan pada 10 citra karakter Jepang dengan 10 variasi pengambilan gambar yang berbeda sehingga total gambar yang diuji sebanyak 100 gambar dari kamera dan 80 gambar dari galeri. Sedangkan jumlah karakter pada pengujian gambar dari kamera sebanyak 220 sedangkan pengujian gambar dari galeri sebanyak 180. Hasil pengujian setiap karakter dapat dilihat pada Tabel 8.
Tabel 8 Hasil Pengujian Setiap Karakter
Pengujian Kategori Kamera Galeri Terjemahan Akurasi Akurasi (%)
Kamera Galeri Kamera Galeri
Normal Normal
Dari tabel hasil pengujian diatas dapat disimpulkan bahwa pengujian setiap karakter dari kamera lebih rendah dibandingkan dengan pengujian gambar dari galeri. Hal tersebut dipengaruhi oleh kemiringan pada saat pengambilan gambar, vertikal penulisan gambar, dan jarak pengambilan gambar dari kamera. Sedangkan intensitas cahaya dan fokus tidak terlalu berpengaruh dalam pengenalan karakter. Berikut perhitungan nilai akurasi setiap karakter:
Perhitungan akurasi dari kamera Perhitungan akurasi dari galeri Keterangan:
b=semua karakter
Evaluasi Usabilitas
Langkah awal evaluasi usabilitas ini adalah memberikan sejumlah task atau tugas yang sudah dipersiapkan sebelumnya kepada pengguna saat berinteraksi dengan sistem yang diuji. Task ini diberikan kepada 5 responden yang berasal dari mahasiswa dan masyarakat umum yang sudah mengetahui aplikasi Android sehingga mereka tidak lagi mengalami kesulitan pada saat melakukan task tersebut. Berikut task usability yang ditunjukkan pada Tabel 9.
Tabel 9 Task Usabilitas
No. Nama Fungsi
1. Menemukan aplikasi 2. Membuka aplikasi
3. Memahami kegunaan tombol
4. Mengambil gambar dengan kamera
5. Memilih gambar dari galeri 6. Menampilkan karakter Jepang
7. Menampilkan terjemahan bahasa Indonesia 8. Mereset aplikasi
Masing-masing task di atas dapat dijelaskan sebagai berikut : Task 1. Pengguna dapat menemukan aplikasi dengan mudah. Task 2. Pengguna dapat membuka aplikasi.
Task 3. Pengguna memahami kegunaan tombol-tombol.
Task 4. Pengguna diberi pilihan pertama untuk mengambil gambar dari kamera. Task 5. Pengguna diberi pilihan kedua untuk mengambil gambar dari galeri. Task 6. Setelah memilih gambar, pengguna akan ditampilkan hasil Tesseract OCR
yang telah mengubah gambar menjadi teks karakter Jepang.
Task 7. Pengguna akan mengklik tombol translate untuk menerjemahkan karakter Jepang ke dalam bahasa Indonesia.
Task 8. Pengguna akan mengklik tombol reset untuk mengulang percobaan kembali.
Setelah user menyelesaikan semua task yang ada, langkah selanjutnya adalah membagikan kuesioner kepada mahasiswa dan masyarakat umum yang berisi 20 pertanyaan yang sudah mewakili kelima aspek usabilitas. Pengguna mengisi kuesioner yang sudah dibagikan berdasarkan apa yang dilihat dan dirasakan pada saat melakukan task tersebut. Tabel 10 merupakan pertanyaan yang terdapat pada kuesioner.
Tabel 10 Kuesioner
No Pertanyaan Penilaian
SS S RR TS STS Aspek Learnability
20
2 Apakah anda berhasil membuka aplikasi
android untuk pengenalan citra karakter Jepang? Aspek Efficiency
3 Apakah tampilan aplikasi mudah dikenali? 4 Apakah aplikasi mudah dioperasikan? 5 Apakah tulisan pada layar mudah dibaca? 6 Apakah komposisi warna sudah sesuai? Aspek Memorability
7 Apakah berpindah dari tombol dengan tombol yang lain dengan mudah?
8 Apakah tombol-tombol pada aplikasi mudah dimengerti?
9 Apakah tombol-tombol pada aplikasi mudah digunakan?
10 Apakah bahasa yang digunakan mudah dimengerti?
Aspek Errors
11 Apakah aplikasi dapat mengenali karakter Jepang dengan baik?
12 Apakah aplikasi dapat menerjemahkan karakter Jepang ke dalam bahasa Indonesia?
13 Apakah anda berhasil menggunakan tombol Take Picture?
14 Apakah anda berhasil menggunakan tombol Translate?
15 Apakah anda berhasil menggunakan tombol Reset?
16 Apakah aplikasi berhasil mengambil gambar dari kamera dan galeri?
Aspek Satisfaction
17 Apakah anda setuju aplikasi ini cukup
membantu dalam menerjemahkan citra karakter Jepang?
18 Apakah spesifikasi aplikasi yang ditawarkan sesuai dengan kebutuhan?
19 Apakah anda ingin menggunakan aplikasi ini di HP sendiri?
20 Apakah anda akan menyarankan teman menggunakan aplikasi ini?
Tabel 11 Nilai
PK STS TS RR S SS
Nilai 1 2 3 4 5
Keterangan:
SS= Sangat Setuju RR=Ragu-ragu STS=Sangat Tidak Setuju
Hasil rekap nilai usability berdasarkan 5 responden menunjukkan nilai
rata-rata 91%, nilai tersebut didapatkan dari
x 100% lalu untuk mendapatkan nilai
rata-rata menggunakan rumus x 100%
sehingga dapat dikatakan bahwa perangkat lunak aplikasi Android yang telah dibuat memiliki nilai aspek usability sehingga dapat diterapkan sebagai aplikasi yang dapat dioperasikan oleh penguna untuk menerjemahkan karakter Jepang ke bahasa Indonesia.
SIMPULAN DAN SARAN
Simpulan
Penelitian ini menghasilkan aplikasi Android untuk pengenalan citra karakter Jepang dengan library Tesseract. Dari pengujian terhadap 10 citra dengan 10 variasi pengambilan gambar yang berbeda sehingga total gambar yang diuji sebanyak 100 gambar dari kamera dan 80 gambar dari galeri, pada hal ini sistem mampu mengenali citra karakter Jepang dengan akurasi sebesar 80% berdasarkan gambar dari kamera, sedangkan akurasi gambar dari galeri sebesar 94%. Sistem juga mampu menampilkan terjemahan karakter Jepang ke bahasa Indonesia.
Hasil pengujian usability responden mendapatkan nilai sebesar 91%, hal ini menunjukkan bahwa perangkat lunak aplikasi Android yang telah dibuat sangat mudah dipelajari serta dimengerti oleh pengguna.
Saran
Sistem aplikasi yang dibangun masih memiliki beberapa kekurangan, oleh karena itu perlu adanya pengembangan agar sistem menjadi lebih baik, diantaranya :
1.
Pengenalan pola dapat ditingkatkan kembali.2. Penambahan fitur-fitur lain, seperti text to speech agar lebih mudah untuk dimengerti cara pengucapan karakter yang telah dikenali.
22
DAFTAR PUSTAKA
Das D, Banerjee S. 2014. Survey of Pattern Recognition Approaches in Japanese Character Recognition. School of Engineering Technology West Bengal University of Technology, India.
Jacobson I, Christerson M, Jonsson P, Övergaard G. 1992. Object-Oriented Software Engineering - A Use Case Driven Approach, Addison-Wesle
Khan M, Khan F. 2012. A Comparative Study of White Box, Black Box and Grey Box Testing Techniques. Vol 3. India (IN): International Journal of Computer Science and Applications. hlm: 12-15.
Nielsen J. 2012. Usability 101: Introduction to usability. Alertbox [Internet].
[diunduh 2014 Desember 01]. Tersedia pada :
http://www.nngroup.com/articles/usability-101-introduction-to-usability/ Pressman, Roger S. 2001. Software Engineering : A Practitioner Approach.
McGraw - Hill Companies.
Shillman R J, Naus G J. 1974. Character Recognition Based on Phenomenological Attributes: Theory and Methods, PhD. Thesis, Massachusetts Institute of Technology.
Smith R. 1987. The Extraction and Recognition of Text from Multimedia Document Images, PhD Thesis, University of Bristol.
Smith, R. 2007. An Overview of the Tesseract OCR Engine. ICDAR '07 Proceedings of the Ninth International Conference on Document Analysis and Recognition II; 2007 Sept 23-26; Curitiba, Brasil. Washington DC (US): IEEE Computer Society. hlm 629-633.
LAMPIRAN
Lampiran 1 Hasil Pengujian Karakter Jepang
No. Pengujian Kategori Kamera Galeri Terjemahan Akurasi Akurasi (%)
Kamera Galeri Kamera Galeri
1 Normal Normal
Balon
2/2 2/2 100 100
Intensitas cahaya
Terang
2/2 2/2 100 100
Normal
2/2 2/2 100 100
Redup
2/2 2/2 100 100
Fokus Blur 2/2 2/2
100 100
30°
24
Kemiringan
60° 0 0 0 0
Vertikal Normal
2/2 2/2 100 100
Jarak < 15 cm 2/2 - 100 -
> 15 cm 2/2 - 100 -
2 Normal Normal
Dokter
2/2 2/2 100 100
Intensitas cahaya
Terang 2/2 2/2 100 100
Normal 2/2 2/2 100 100
Redup
2/2 2/2 100 100
Fokus
Blur
Kemiringan
30°
1/2 1/2 50 50
60°
0 0 0 0
Vertikal Normal
2/2 2/2 100 100
Jarak
< 15 cm 2/2 - 100 -
> 15 cm 2/2 - 100 -
3
Normal
Normal 2/2 2/2 100 100
Intensitas cahaya
Terang 2/2 2/2 100 100
26
Redup
Film
2/2 2/2 100 100
Fokus Blur
2/2 2/2 100 100
Kemiringan
30°
0 1/2 - 50
60°
0 1/2 0 50
Vertikal Normal 2/2 2/2
100 100
Jarak
< 15 cm 2/2 - 100 -
> 15 cm 1/2 - 50 -
4
Normal Normal
Intensitas cahaya
Terang
Pensil
2/2 2/2 100 100
Normal
2/2 2/2 100 100
Redup
2/2 2/2 100 100
Fokus Blur
2/2 2/2 100 100
Kemiringan
30°
1/2 0 50 0
60°
0 0 0 0
Vertikal Normal 1/2 2/2
50 100
Jarak
< 15 cm 2/2 - 100 -
28
5
Normal Normal
Televisi
2/2 2/2 100 100
Intensitas cahaya
Terang
2/2 2/2 100 100
Normal
2/2 2/2 100 100
Redup
2/2 2/2 100 100
Fokus Blur 2/2 2/2 100 100
Kemiringan
30°
2/2 2/2 100 100
60°
1/2 1/2 50 50
Vertikal Normal
2/2 2/2 100 100
Jarak
< 15 cm 2/2 - 100 -
6
Normal Normal
Waktu
2/2 2/2 100 100
Intensitas cahaya
Terang
2/2 2/2 100 100
Normal
2/2 2/2 100 100
Redup
2/2 2/2 100 100
Fokus Blur
2/2 2/2 100 100
Kemiringan
30°
1/2 1/2 50 50
60°
0 1/2 0 50
Vertikal Normal 2/2 2/2 100 100
< 15 cm
30
Jarak
> 15 cm
1/2 - 50 -
7
Normal Normal
Sekolah
2/2 2/2 100 100
Intensitas cahaya
Terang
2/2 2/2 100 100
Normal
2/2 2/2 100 100
Redup 2/2 2/2 100 100
Fokus Blur
2/2 2/2 100 100
Kemiringan
30°
0 1/2 0 50
60°
Vertikal
Normal
2/2 2/2
100 100
Jarak
< 15 cm 2/2 - 100 -
> 15 cm 1/2 - 50 -
8
Normal Normal
Kecil
3/3 3/3 100 100
Intensitas cahaya
Terang
3/3 3/3 100 100
Normal
3/3 3/3 100 100
Redup 3/3 3/3 100 100
Fokus
Blur 3/3 3/3 100 100
32
Kemiringan 60° 1/2 1/2 50 50
Vertikal
Normal
3/3 3/3
100 100
Jarak
< 15 cm 3/3 - 100 -
> 15 cm 3/3 - 100 -
9
Normal Normal
Gajah
2/2 2/2 100 100
Intensitas cahaya
Terang
2/2 2/2 100 100
Normal
2/2 2/2 100 100
Redup
2/2 2/2 100 100
Fokus Blur
Kemiringan
30°
1/2 2/2 50 100
60°
1/2 1/2 50 50
Vertikal Normal
2/2 2/2 100 100
Jarak
< 15 cm 2/2 - 100 -
> 15 cm 2/2 - 100 -
10
Normal Normal
2/2 2/2 100 100
Intensitas cahaya
Terang
2/2 2/2 100 100
Normal
2/2 2/2 100 100
Redup
34
Fokus
Blur
Cina
2/2 2/2 100 100
Kemiringan
30°
2/2 2/2 100 100
60°
1/2 1/2 50 50
Vertikal Normal
2/2 2/2
100 100
Jarak < 15 cm 2/2 - 100 -
Lampiran 2 Lembar Kuesioner
PENGUJIAN USABILITY
APLIKASI ANDROID UNTUK PENGENALAN CITRA KARAKTER JEPANG DENGAN LIBRARY TESSERACT
DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR
2014
Isilah dengan huruf kapital.
Nama Lengkap : ________________________________________ Usia : ____ tahun
Tempat/tanggal Lahir : ________________________________________ Jenis Kelamin : 1. Laki-laki 2. Perempuan
KETERANGAN:
SS= Sangat Setuju RR=Ragu-ragu STS=Sangat Tidak Setuju
S=Setuju TS=Tidak Setuju
Bubuhkan tanda ceklist (√) pada kolom yang nilainya paling sesuai menurut
Anda. Jawaban yang jujur sangat membantu untuk keberhasilan penelitian ini. Terima kasih atas partisipasi Anda.
No Pertanyaan Penilaian
SS S RR TS STS Aspek Learnability
1 Apakah anda berhasil menemukan aplikasi android untuk pengenalan citra karakter Jepang? 2 Apakah anda berhasil membuka aplikasi
android untuk pengenalan citra karakter Jepang? Aspek Efficiency
3 Apakah tampilan aplikasi mudah dikenali? 4 Apakah aplikasi mudah dioperasikan? 5 Apakah tulisan pada layar mudah dibaca? 6 Apakah komposisi warna sudah sesuai? Aspek Memorability
7 Apakah berpindah dari tombol dengan tombol yang lain dengan mudah?
8 Apakah tombol-tombol pada aplikasi mudah dimengerti?
9 Apakah tombol-tombol pada aplikasi mudah digunakan?
10 Apakah bahasa yang digunakan mudah dimengerti?
Aspek Errors
36
12 Apakah aplikasi dapat menerjemahkan karakter Jepang ke dalam bahasa Indonesia?
13 Apakah anda berhasil menggunakan tombol Take Picture?
14 Apakah anda berhasil menggunakan tombol Translate?
15 Apakah anda berhasil menggunakan tombol Reset?
16 Apakah aplikasi berhasil mengambil gambar dari kamera dan galeri?
Aspek Satisfaction
17 Apakah anda setuju aplikasi ini cukup
membantu dalam menerjemahkan citra karakter Jepang?
18 Apakah spesifikasi aplikasi yang ditawarkan sesuai dengan kebutuhan?
19 Apakah anda ingin menggunakan aplikasi ini di HP sendiri?
Lampiran 3 Lembar Hasil Kuesioner
No Pertanyaan Penilaian Akurasi
(%) SS S RR S STS
Aspek Learnability
1 Apakah anda berhasil menemukan aplikasi android untuk pengenalan citra karakter Jepang?
4 1 96
2 Apakah anda berhasil membuka aplikasi
android untuk pengenalan citra karakter Jepang?
5 100
7 Apakah berpindah dari tombol dengan tombol yang lain dengan mudah?
3 2 92
8 Apakah tombol-tombol pada aplikasi mudah dimengerti?
3 2 92
9 Apakah tombol-tombol pada aplikasi mudah digunakan?
3 2 92
10 Apakah bahasa yang digunakan mudah dimengerti?
4 1 96
Aspek Error
11 Apakah aplikasi dapat mengenali karakter Jepang dengan baik?
2 2 1 84
12 Apakah aplikasi dapat menerjemahkan karakter Jepang ke dalam bahasa Indonesia?
2 3 88
13 Apakah anda berhasil menggunakan tombol Take Picture?
3 2 92
14 Apakah anda berhasil menggunakan tombol Translate?
3 2 92
15 Apakah anda berhasil menggunakan tombol Reset?
3 2 92
16 Apakah aplikasi berhasil mengambil gambar dari kamera dan galeri?
3 2 92
Aspek Satisfaction
17
Apakah anda setuju aplikasi ini cukup
membantu dalam menerjemahkan citra karakter Jepang?
2 3 88
18
Apakah spesifikasi aplikasi yang ditawarkan sesuai dengan kebutuhan?
2 3 88
19
Apakah anda ingin menggunakan aplikasi ini di HP sendiri?
2 2 1 84
20
Apakah anda akan menyarankan teman menggunakan aplikasi ini?
1 3 1 80
38
